窗口中的 SQL 计数出现次数答案

【问题标题】：SQL count occurrences in window窗口中的 SQL 计数出现次数
【发布时间】：2019-05-07 00:09:46
【问题描述】：

我有按日期登录的用户。我的要求是跟踪过去 90 天窗口内登录的用户数。

我对一般的 SQL 和 Teradata 都是新手，我无法让窗口功能按我的需要工作。

我需要以下结果，其中 ACTIVE 是 DATE 前 90 天窗口中出现的唯一 USER_ID 的计数。

DATES        ACTIVE_IN_WINDOW
12/06/2018     20
13/06/2018     45                 
14/06/2018     65 
15/06/2018     73 
17/06/2018     24      
18/06/2018     87  
19/06/2018     34
20/06/2018     51

目前我的脚本如下。

就是这里的这条线我搞错了

COUNT ( USER_ID) OVER (PARTITION BY USER_ID ORDER BY EVT_DT ROWS BETWEEN 90 PRECEDING AND  0 FOLLOWING)

我怀疑我需要一组不同的函数来完成这项工作。

SELECT    b.DATES , a.ACTIVE_IN_WINDOW

FROM    

(
        SELECT 

        CAST(CALENDAR_DATE AS DATE) AS DATES FROM SYS_CALENDAR.CALENDAR

        WHERE DATES BETWEEN ADD_MONTHS(CURRENT_DATE, - 10)  AND CURRENT_DATE
) b

LEFT JOIN

(
        SELECT    USER_ID   , EVT_DT 

        , COUNT ( USER_ID) OVER (PARTITION BY USER_ID ORDER BY EVT_DT ROWS BETWEEN 90 PRECEDING AND  0 FOLLOWING) AS ACTIVE_IN_WINDOW

        FROM ENV0.R_ONBOARDING
) a

ON a.EVT_DT = b.DATES

ORDER BY b.DATES

感谢您的帮助。

【问题讨论】：

ORDER BY EVT_DT ROWS BETWEEN 90 PRECEDING AND 0 FOLLOWING) 是逻辑失败的部分 - 除非有人每天登录，否则您跳过的行数与他们登录的天数之间没有关联。如果他们每 3 天只登录一次，则跳过最后 90 行可能会看到您计算 270 天前的登录日期。在其他一些 DBMS 中，这可以通过 OVER(order by event_dt RANGE BETWEEN SYSDATE-90 AND SYSDATE) 或类似的方法来克服。 Teradata 没有这个

标签： sql teradata teradata-sql-assistant

【解决方案1】：

逻辑类似于 Gordon'，但在 Teradata 上，non-equi-Join 而不是 Correlated Scalar Subquery 通常更有效：

SELECT b.DATES , Count(DISTINCT USER_ID)
FROM
 (
   SELECT CALENDAR_DATE AS DATES 
   FROM SYS_CALENDAR.CALENDAR
   WHERE DATES BETWEEN Add_Months(Current_Date, - 10)  AND Current_Date
 ) b
LEFT JOIN
 ( -- apply DISTINCT before aggregation to reduce intermediate spool
   SELECT DISTINCT USER_ID, EVT_DT
   FROM ENV0.R_ONBOARDING
 ) AS a
ON a.EVT_DT BETWEEN Add_Months(b.DATES,-3) AND b.DATES
GROUP BY 1
ORDER BY 1

当然，这将需要一个大的假脱机和大量的 CPU。

编辑：

切换到周可减少开销，我使用日期而不是周数（对于其他范围更容易修改）：

SELECT b.Week , Count(DISTINCT USER_ID) 
FROM
 ( -- Return only Mondays instead of DISTINCT over all days 
   SELECT calendar_date AS Week
   FROM SYS_CALENDAR.CALENDAR 
   WHERE CALENDAR_DATE BETWEEN Add_Months(Current_Date, -9) AND Current_Date
     AND day_of_week = 2 -- 2 = Monday
 ) b 
LEFT JOIN 
 (
   SELECT DISTINCT USER_ID,
     -- td_monday returns the previous Monday, but we need the following monday
     -- covers the previous Tuesday up to the current Monday
            Td_Monday(EVT_DT+6) AS PERIOD_WEEK
   FROM ENV0.R_ONBOARDING
   -- You should add another condition to limit the actually covered date range, e.g.
   -- where EVT_DT BETWEEN Add_Months(b.DATES,-13) AND b.DATES
 ) AS a 
ON a.PERIOD_WEEK BETWEEN b.Week-(12*7) AND b.Week 
GROUP BY 1 
ORDER BY 1

解释应该复制日历作为产品加入的准备，否则您可能需要在可变表中具体化日期。最好不要使用sys_calendar，没有统计信息，例如优化器不知道每周/每月/每年有多少天等。检查您的系统，应该有一个为您公司需求设计的日历表（所有列都有统计信息）

【讨论】：

已解决。谢谢。它在 2 个轧机行、60k 用户和 30GB 假脱机空间上表现良好。
遇到性能问题并尝试从日级别更改为月级别。 Teradata 有没有办法在月级别上操作而不更改为 char？定义我的 3 个月窗口不适用于 char。 TO_CHAR(CALENDAR_DATE, 'Mon') AS DATES ON a.EVT_DT BETWEEN ADD_MONTHS(b.DATES,-3) AND b.DATES
当您简单地应用 TO_CHAR 时，您每月会获得多行，您需要将其减少到每月一行（对于 ENV0.R_ONBOARDING 类似）。 月级别、日历月（12 月 1 日至 31 日）或从今天起的一个月（11 月 12 日至 12 月 11 日）？
顺便说一句，周可能会更简单，日历周或 7 天...
更改为周级别，窗口为 12 周。一开始看起来不错，但到最后却高估了。 SELECT b.DATES , Count(DISTINCT USER_ID) FROM ( SELECT DISTINCT TD_SYSFNLIB.WEEKNUMBER_OF_YEAR (CALENDAR_DATE, 'ISO') AS WEEK FROM SYS_CALENDAR.CALENDAR WHERE CALENDAR_DATE BETWEEN ADD_MONTHS(CURRENT_DATE, - 9) AND CURRENT_DATE ) b LEFT JOIN SELECT DISTINCT USER_ID, TD_SYSFNLIB.WEEKNUMBER_OF_YEAR (a.EVT_DT, 'ISO') AS PERIOD_WEEK FROM ENV0.R_ONBOARDING ) AS a ON a.PERIOD_WEEK BETWEEN (b.WEEK -12) AND b.WEEK GROUP BY 1 ORDER BY 1

【解决方案2】：

如果您的数据不是太大，子查询可能是最简单的方法：

SELECT c.dte,
       (SELECT COUNT(DISTINCT o.USER_ID)
        FROM ENV0.R_ONBOARDING o
        WHERE o.EVT_DT > ADD_MONTHS(dte, -3) AND
              o.EVT_DT <= dte
       ) as three_month_count
FROM (SELECT CAST(CALENDAR_DATE AS DATE) AS dte
      FROM SYS_CALENDAR.CALENDAR
      WHERE CALENDAR_DATE BETWEEN ADD_MONTHS(CURRENT_DATE, - 10)  AND CURRENT_DATE
     ) c;

您可能希望从更短的时间范围开始，然后 3 个月，以查看查询的执行情况。

【讨论】：